竞争型脉冲耦合神经网络及用于多约束QoS路由求解

在脉冲耦合神经网络的基础上提出了竞争型脉冲耦合神经网络模型,分析了该模型用于求解网络最短路由时的脉冲波传播特性,并提出了脉冲波任务的产生、分解和状态转换理论,在模型中实现了脉冲波的多约束传播,成功地应用于网络多约束QoS路由问题的求解,并可得到全局最优解.仿真实验表明,与其他算法相比,该方法的计算迭代次数最少,且减少较多;而且迭代次数只与网络路由图中源点与目的点之间的最优QoS路由长度有关,而与节点数、链路数和网络的分布构成复杂性无关,体现出较好的计算性能和优势.     

玄武岩纤维活性粉末混凝土与钢绞线粘结滑移过程声学特性表征

针对预应力锚索因粘结失效而导致的高边坡失稳问题,提出将预应力锚索与高性能材料结合应用的方法以提高边坡抗灾韧性。首先,开展了预应力钢绞线与玄武岩纤维活性粉末混凝土（BFRPC）中心拉拔试验,研究了公称直径为15.2 mm的钢绞线在两种浆体材料（BFRPC、M40普通水泥砂浆）下的钢绞线粘结性能,总结其破坏形式;其次,基于声发射特征参数的分布规律,识别应力状态下钢筋混凝土材料的损伤过程;再次,通过对上升时间/振幅-平均频率（RA-AF）值进行对比,明确钢绞线-混凝土拉拔过程中的损伤模式;最后,依据Ib值识别不同应力状态下钢绞线混凝土材料裂纹发展的各个阶段。研究结果表明：3个阶段的能量、幅值变化规律与试件内部裂纹的产生、扩展等损伤过程联系紧密;通过RA-AF分析得出,剪切裂纹主要发生在界面混凝土附近,而拉伸裂纹的宏观体现为垂直于加载方向上的裂纹;Ib值波动差至0.25时可以将其视为一个预警值,以警告预应力钢绞线-混凝土材料即将发生劈裂破坏。     

Unit-Linking PCNN中的彩色图像边缘检测

PCNN模型具有相似群神经元同步发放脉冲的特性,适合于图像分割。对彩色图像的亮度分量进行对数变换,使其更符合人眼的视觉特性;在PCNN进行彩色图像R、G、B三分量分割的过程中,利用遗传算法进行神经元关键参数的选择,利用偏态指标进行迭代控制;在Unit-Linking PCNN模型中实现R、G、B三分量分割图的边缘检测,利用加权合并策略得到最终的边缘检测结果。仿真结果表明,该方法得到的结果体现了图像中更多的轮廓细节,具有很好的自适应性。     

结合NSST与GA参数优化PCNN图像融合

针对传统多尺度融合算法不具平移性、融合效果较差以及PCNN参数设置复杂等问题,提出了一种结合非下采样剪切波变换（NSST）与遗传算法（GA）优化脉冲耦合神经网络（PCNN）参数的图像融合方法,将融合指标（互信息[MI]、边缘信息保留度[QAB/F]、熵[EN]、空间频率[SF]、图像标准差[STD]和图像平均梯度[AG]）的最大值设为GA优化算法的目标函数,从而获得最优解对PCNN的链接强度、阈值等参数进行优化。首先利用NSST对图像进行多尺度分解,其次高频采用空间频率引导PCNN进行融合,低频采用改进拉普拉斯能量和（SML）进行融合,最后进行NSST逆变换得到最终的融合图像。根据主观评价与客观评价指标对多聚焦图像、医学图像和红外及可见光图像的融合效果进行评价分析。实验结果表明,该算法在客观评价指标上优于其他算法,有较好的融合效果。     

具有结构不确定性系统的鲁棒H∞控制器设计

研究了具有结构不确定性系统的鲁棒H∞状态反馈控制,给出了该类系统一种鲁棒H∞控制器的设计方法,把任意能量有界的干扰信号,结构不确定性系统的控制问题转化成了鲁棒H∞控制问题,控制器可以通过解修正的代数黎卡提方程得到。设计例子证明了所给方法的有效性。     

基于脉冲耦合神经网络的椒盐噪声滤波

基于脉冲耦合神经网络,提出了一种有效的椒盐噪声图像滤波算法.首先利用PCNN相似群神经元同步发放脉冲的特性检测噪声,并给出了神经元参数的估计方法.然后考虑到噪声点应和最近的非噪声点最相似,提出了一种扩展窗口中值滤波算法对噪声点进行滤波.仿真表明,本文提出的方法对不同强度的噪声图像均体现了优异的滤波性能,和相关的中值滤波算法相比也体现了相当明显的优势.     

反应釜R-101机械密封油系统技术改造

针对反应釜R-101机械密封油系统存在的泄漏和操作难等问题,对机械密封油系统进行技术改造,以保证装置长周期运行,改善操作条件,并延长机械密封使用寿命.     

SAN装置离心干燥机技术更新

离心机是利用惯性离心力分离液态非均相混合物的机械,在化工行业应用比较广泛。根据分离方式,离心机可分为过滤式、沉降式和分离式[1]。本文通过对原有离心干燥机的结构特点,输送能力等数据进行计算分析,需要对干燥机进行技术更新,技术更新后,离心干燥机完全能够满足生产的需求,为装置的满负荷平稳运行提供保证。     

PCNN和最大相关准则相结合的图像分割方法

脉冲耦合神经网络（PCNN）是有着生物学背景的新一代人工神经网络,在图像分割方面体现了优异的性能。PCNN模型在参数估计和阈值迭代方面的问题还有待解决。将一维最大相关准则和二维最大相关准则相结合来估计神经元参数,实现了图像分割的自动化并降低了运算的复杂性。仿真结果表明,该方法在分割图效果和运算复杂度方面都得到了提高,具有较好的实用性。